論文の概要: QuantAgents: Towards Multi-agent Financial System via Simulated Trading
- arxiv url: http://arxiv.org/abs/2510.04643v1
- Date: Mon, 06 Oct 2025 09:45:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.788953
- Title: QuantAgents: Towards Multi-agent Financial System via Simulated Trading
- Title（参考訳）: QuantAgents:シミュレートトレーディングによるマルチエージェント金融システムを目指して
- Authors: Xiangyu Li, Yawen Zeng, Xiaofen Xing, Jin Xu, Xiangmin Xu,
- Abstract要約: QuantAgentsは、シミュレーショントレーディングを統合するマルチエージェントシステムである。
QuantAgentsは、シミュレートされたトレーディングアナリスト、リスクコントロールアナリスト、マーケットニュースアナリスト、マネージャの4つのエージェントで構成されている。
本システムは,実世界の市場におけるパフォーマンスと,模擬取引における予測精度の2つの側面からフィードバックを受けるためのエージェントを動機付けている。
- 参考スコア（独自算出の注目度）: 40.636918662488505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, our objective is to develop a multi-agent financial system that incorporates simulated trading, a technique extensively utilized by financial professionals. While current LLM-based agent models demonstrate competitive performance, they still exhibit significant deviations from real-world fund companies. A critical distinction lies in the agents' reliance on ``post-reflection'', particularly in response to adverse outcomes, but lack a distinctly human capability: long-term prediction of future trends. Therefore, we introduce QuantAgents, a multi-agent system integrating simulated trading, to comprehensively evaluate various investment strategies and market scenarios without assuming actual risks. Specifically, QuantAgents comprises four agents: a simulated trading analyst, a risk control analyst, a market news analyst, and a manager, who collaborate through several meetings. Moreover, our system incentivizes agents to receive feedback on two fronts: performance in real-world markets and predictive accuracy in simulated trading. Extensive experiments demonstrate that our framework excels across all metrics, yielding an overall return of nearly 300% over the three years (https://quantagents.github.io/).
- Abstract（参考訳）: 本稿では,金融専門家が広く活用するシミュレートトレーディングを取り入れたマルチエージェント金融システムを開発することを目的とする。
現在のLLMベースのエージェントモデルは競争力のある性能を示しているが、現実のファンド会社とは大きく異なる。
批判的な区別は、エージェントが『ポスト・リフレクション』を信頼していること、特に悪い結果に対する反応にあるが、明らかに人間の能力が欠けていること、すなわち将来の傾向の長期的な予測である。
そこで我々は、シミュレーショントレーディングを統合したマルチエージェントシステムであるQuantAgentsを導入し、実際のリスクを仮定することなく、様々な投資戦略や市場シナリオを包括的に評価する。
具体的には、QuantAgentsは、模擬トレーディングアナリスト、リスクコントロールアナリスト、マーケットニュースアナリスト、マネージャの4人のエージェントで構成され、複数のミーティングを通じて協力する。
さらに,本システムは,実世界の市場におけるパフォーマンスと,シミュレーション取引における予測精度の2つの側面から,エージェントに対してフィードバックを受け取るインセンティブを与える。
大規模な実験によって、我々のフレームワークはすべての指標にまたがって優れていることが示され、3年間で全体で300%近いリターンをもたらしました(https://quantagents.github.io/)。
関連論文リスト
- When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。
AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。
GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
論文 参考訳（メタデータ） (2025-10-13T17:54:09Z) - Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。
本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
論文 参考訳（メタデータ） (2025-10-06T13:08:55Z) - ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism [8.46483000946212]
大規模言語モデル(LLM)に基づくエージェントは、金融取引において大きな可能性を示す。
マーケットノイズに対する高い感度は、LLMベースのトレーディングシステムの性能を損なう。
本稿では,現代企業経営構造にインスパイアされた内部競争機構を特徴とする新しいマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2025-08-01T11:48:13Z) - To Trade or Not to Trade: An Agentic Approach to Estimating Market Risk Improves Trading Decisions [0.0]
大規模言語モデル(LLM)はますますエージェントフレームワークにデプロイされている。
我々は LLM を用いて金融時系列の微分方程式を反復的に発見するエージェントシステムを開発した。
モデルインフォームドトレーディング戦略は標準LLMエージェントよりも優れていた。
論文 参考訳（メタデータ） (2025-07-11T13:29:32Z) - Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。
LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
論文 参考訳（メタデータ） (2025-02-25T08:41:01Z) - HedgeAgents: A Balanced-aware Multi-agent Financial Trading System [20.48571388047213]
大規模言語モデル(LLM)とエージェントベースのモデルは、リアルタイム市場分析と取引決定において有望な可能性を秘めている。
急激な減少や頻繁な変動に直面すると、依然として顕著な-20%の損失を経験する。
本稿では,ロバストネスの戦略を強化することを目的とした,革新的なマルチエージェントシステムであるHedgeAgentsを紹介する。
論文 参考訳（メタデータ） (2025-02-17T04:13:19Z) - TradingAgents: Multi-Agents LLM Financial Trading Framework [4.293484524693143]
TradingAgentsは、トレーディング会社にインスパイアされた新しい株式トレーディングフレームワークを提案する。
基本的なアナリスト、センチメントアナリスト、テクニカルアナリスト、さまざまなリスクプロファイルを持つトレーダーといった専門的な役割でLLMを動力とするエージェントが特徴である。
動的で協調的なトレーディング環境をシミュレートすることで、このフレームワークはトレーディングのパフォーマンスを改善することを目指している。
論文 参考訳（メタデータ） (2024-12-28T12:54:06Z) - When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Quantitative Stock Investment by Routing Uncertainty-Aware Trading
Experts: A Multi-Task Learning Approach [29.706515133374193]
既存のディープラーニング手法はランダムなシードやネットワークルータに敏感であることを示す。
本稿では,成功した取引会社の効果的なボトムアップトレーディング戦略設計ワークフローを模倣する,量的投資のための新しい2段階混成(MoE)フレームワークを提案する。
AlphaMixは4つの財務基準において、最先端のベースラインを大きく上回っている。
論文 参考訳（メタデータ） (2022-06-07T08:58:00Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳（メタデータ） (2022-01-03T17:00:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。